一类用于非线性最优控制的迭代高斯-牛顿打靶法

本文介绍了一类用于无约束非线性最优控制的迭代算法。我们将著名的 iLQR 算法推广到不同的多打靶变体，结合了诸如直接初始化和闭环前向积分等优点。所有算法具有相似的计算复杂度，即关于时间域的线性复杂度，并可在同一计算框架中导出。我们比较了算法的全步变体，并给出了若干仿真示例，包括一个受接触切换影响的高维欠驱动机器人。仿真结果表明，我们的多打靶算法可比经典 iLQR 实现更快收敛、更好的局部收缩率以及更短的运行时间，这使其成为非线性模型预测控制应用的更优选择。